基于ESN模型的北京市PM2.5日均浓度污染等级预测与时空分布分析

作     者：夏小鹏 

作者单位：中国地质大学(北京) 

学位级别：硕士

导师姓名：刘湘南

授予年度：2015年

学科分类：081603[工学-地图制图学与地理信息工程] 081802[工学-地球探测与信息技术] 07[理学] 08[工学] 070602[理学-大气物理学与大气环境] 070503[理学-地图学与地理信息系统] 0818[工学-地质资源与地质工程] 0705[理学-地理学] 0706[理学-大气科学] 0816[工学-测绘科学与技术] 

主      题：PM2.5 ESN神经网络 变异特征分析 克里金插值 GIS空间分析 

摘      要：PM2.5污染等级的监测和预测以及它的空间分布特征关系着人类健康、动植物生长、大气环境评价以及气候条件分析等多个方面,已经逐渐成为人们十分关注的问题之一。本文基于北京市2013年1月、4月、6月和10月的PM2.5日均污染浓度数据和风速风向数据,利用状态回声网络模型分别对每个月的PM2.5日均污染浓度进行预测。通过半变异函数分析2013年的PM2.5浓度的空间变异特征,在此基础上,采用克里金插值法对实测值和预测值分别进行空间插值,对比其空间分布的异同。本研究主要工作和得到的结论如下：(1)基于ESN神经网络模型预测北京市PM2.5日均浓度时间序列,并与传统的BP神经网络进行对比,结果证明ESN具有较高的预测精度。(2)PM2.5日均浓度数据在4个月份中的变程值均较大,表明PM2.5日均浓度的空间自相关的距离较大。不同时间研究区块内的块金值差异比较大,大致在11.1～26.1之间,表明了随机因素、系统误差等对PM2.5日均浓度的白相关性影响都较大。块金值与基台值的比值分布在0.08～0.31之间,表明白相关性相对较强。(3)基于克里金空间插值结果,根据污染水平的分级标准进行分级统计分析。其中,1月份实测值和预测值的空间分布都分为两级：重度污染、严重污染,分级分布趋势基本相似。4月份预测值和实测值的分级分布都呈现出：良好。6月份预测值与实测值的整体分级分布属于轻度污染,预测值的分级分布中,中度污染部分包含的朝阳区区域较少,顺义区的面积较大;以延庆区、昌平区、怀柔区的交界为中心的区域的空气质量良好。10月份预测值与实测值的分级分布分为两级：良好、轻度污染。整体污染趋势相似,呈现出北部良好,南部轻度污染的空间分布。(4)结合GIS空间分析,结果表明实测值与预测值的空间分布具有较高的相似度,因此,将ESN网络模型应用于北京市PM2.5浓度日均污染等级的时间序列的单步预测是具有可行性的。